公开(公告)号：CN118038203A

公开(公告)日：2024-05-14

申请号：CN202410112519.2

申请日：2024-01-26

Applicant: 中国矿业大学(北京) ,  北京航空航天大学

Inventor： 李策 ,  魏显隆 ,  王田 ,  李欣 ,  赵凯攀

IPC: G06V10/774 ,  G06N3/0464 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V40/10 ,  G06V40/20

Abstract: 本发明公开一种行为识别模型的训练方法及其应用方法，涉及深度学习和行为识别技术领域，该训练方法基于行为识别模型进行，行为识别模型包括时空图卷积模块组和分类器；时空图卷积模块组包括依次连接的多个时空图卷积模块；每一时空图卷积模块包括稀疏多尺度信息模块、时空卷积模块和拼接模块；稀疏多尺度信息模块对输入进行特征提取，得到行为动作特征；时空图卷积模块对输入进行特征提取，得到时空卷积特征；拼接模块用于对行为动作特征和时空卷积特征进行拼接，得到拼接特征；分类器对最后一个时空图卷积模块的输出进行分类，得到样本骨架序列数据对应的样本行为识别结果。本发明能够更准确、快速地分类人体骨架数据对应的动作。

公开(公告)号：CN117423159A

公开(公告)日：2024-01-19

申请号：CN202311250520.3

申请日：2023-09-26

Applicant: 中国矿业大学(北京)

Inventor： 李策 ,  李孟琳 ,  李海涛 ,  魏显隆 ,  赵凯攀

IPC: G06V40/20 ,  G06V10/52 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出了一种基于人体骨架数据的改进动作识别方法，将原MS‑G3D模型的GCN和TCN多尺度邻接矩阵扩大，修改后的邻接图增加更多运动信息，实验结果表明，本发明在多个公共数据集上都取得了良好的表现，相比于现有的模型，准确率更高。本发明的技术方案是扩大其保留阶次，将快慢运动矩阵拼接起来，得到一个包含综合特征的矩阵,使模型能学习到更丰富的特征。本发明的有益效果是，传统的MS‑G3D模型的邻接图对于相同运动的全局运动尺度的快慢无法考量，本发明扩展了相隔两跳的邻接矩阵并将之与之前的合并。通过这种手段，模型可以学习到快慢运动的多尺度特征，增加了模型的鲁棒性，使得提取出的信息更加全面，同时也让模型收敛的速度更快。